概率演算法的英文

⑴ 概率演算法

最近做了一個活動抽獎需求，項目需要控制預算，概率需要分布均勻，這樣才能獲得所需要的概率結果。
例如抽獎得到紅包獎金，而每個獎金的分布都有一定概率：

現在的問題就是如何根據概率分配給用戶一定數量的紅包。

演算法思路 ：生成一個列表，分成幾個區間，例如列表長度100，1-40是0.01-1元的區間，41-65是1-2元的區間等，然後隨機從100取出一個數，看落在哪個區間，獲得紅包區間，最後用隨機函數在這個紅包區間內獲得對應紅包數。

時間復雜度 ：預處理O(MN)，隨機數生成O(1)，空間復雜度O(MN)，其中N代表紅包種類，M則由最低概率決定。

優缺點 ：該方法優點是實現簡單，構造完成之後生成隨機類型的時間復雜度就是O(1)，缺點是精度不夠高，佔用空間大，尤其是在類型很多的時候。

演算法思路 ：離散演算法通過概率分布構造幾個點[40, 65, 85, 95,100]，構造的數組的值就是前面概率依次累加的概率之和。在生成1~100的隨機數，看它落在哪個區間，比如50在[40,65]之間，就是類型2。在查找時，可以採用線性查找，或效率更高的二分查找。

演算法復雜度 ：比一般演算法減少佔用空間，還可以採用二分法找出R，這樣，預處理O(N)，隨機數生成O(logN)，空間復雜度O(N)。

優缺點 ：比一般演算法佔用空間減少，空間復雜度O(N)。

演算法思路 ：Alias Method將每種概率當做一列，該演算法最終的結果是要構造拼裝出一個每一列合都為1的矩形，若每一列最後都要為1，那麼要將所有元素都乘以5（概率類型的數量）。

此時會有概率大於1的和小於1的，接下來就是構造出某種演算法用大於1的補足小於1的，使每種概率最後都為1，注意，這里要遵循一個限制：每列至多是兩種概率的組合。

最終，我們得到了兩個數組，一個是在下面原始的prob數組[0.75,0.25,0.5,0.25,1]，另外就是在上面補充的Alias數組，其值代表填充的那一列的序號索引，（如果這一列上不需填充，那麼就是NULL），[4,4,0,1,NULL]。當然，最終的結果可能不止一種，你也可能得到其他結果。

舉例驗證下，比如取第二列，讓prob[1]的值與一個隨機小數f比較，如果f小於prob[1]，那麼結果就是2-3元，否則就是Alias[1]，即4。

我們可以來簡單驗證一下，比如隨機到第二列的概率是0.2，得到第三列下半部分的概率為0.2 * 0.25，記得在第四列還有它的一部分，那裡的概率為0.2 * (1-0.25)，兩者相加最終的結果還是0.2 * 0.25 + 0.2 * (1-0.25) = 0.2，符合原來第二列的概率per[1]。

演算法復雜度 ：預處理O(NlogN)，隨機數生成O(1)，空間復雜度O(2N)。

優缺點 ：這種演算法初始化較復雜，但生成隨機結果的時間復雜度為O(1)，是一種性能非常好的演算法。

⑵ 概率統計英文術語

Acceptable quality level AQL 合格質量水平
Acceptance testing procere ATP 驗收檢驗規程
Accuracy 정확성 准確度
Affinity diagram 친화도 親和圖
Alpha risk 제1종오류(생산자위험) 第一類錯誤
Alternative hypothesis: H1 대립 가설 備擇假設
Analysis of covariance 공분산분석 協方差分析
Analysis of variance 분산 분석 方差分析
Average 평균 平均
Bais 편의 偏倚
Benched at extremes 양쪽 특이형 兩側特異型
Benchmarking 벤치 마킹 水平對比
Best practice 베스트 프랙티스 BPC(最優方法)
Beta risk (b) 제2종오류(소비자위험) 第二類錯誤
bimodal 쌍봉형[히스토그램] 雙峰型[直方圖]
Binomial distribution 이항 분포 二項分布
Black belt - BB 블랙 벨트 黑帶
Blocking 블럭화 劃分區組
Box plot 상자그림 箱線圖
Box-Cox transformation Box-Cox 변환 Box-Cox 轉換
Brain storming 브레인 스토밍 頭腦風暴法
Business Alignment Plan 목표 제품 선정 계획 目標製品選定計劃
Cause & Effect diagram 특성 요인도 因果圖
CDAM (Combine-Delete-Add-Modify) 해결안 평가방법 解決案評價方法
Central limit theorem 중심 극한 정리 中心極限定理
Central line 중심선 中心線
Champion 챔피온 倡導者
Chi-square distribution 카이 스퀘어 분포 χ方分布
Chi-square test 카이 스퀘어 검정 χ方檢驗
Cluster sampling 집락표본추출 分群取樣法
Common cause 불가피 요인 偶然原因
Complete randomized design 완전랜덤실험법 完全隨機化設計
Confidence coefficient (1-α） 신뢰수준 置信水平
Confidence interval 신뢰 구간 置信區間
Confounding 교락 混雜
Continuous data 연속 데이터 連續型數據
Control assessment matrix 통제 평가 매트릭스 控制評價矩陣
Control chart 관리도 控制圖
Control limits 관리 한계 控制界限
COPQ (Cost Of Poor Quality) 품질실패비용 劣質成本
Core process 핵심 공정 核心工程
Correlation coefficient 상관계수 相關系數
Cp (Potential process capability Index) 공정능력지수 過程能力指數
Cpk (Process capability index) 공정능력지수 過程能力指數（考慮偏倚）
Critical Business Requirement - CBR 사업 핵심 요구 사항 企業核心要求事項
Critical Customer Requirement - CCR 고객 핵심 요구 사항 顧客核心要求事項
Critical To Process CTP 關鍵過程特性
Critical To Quality CTQ 關鍵質量特性
Critical value 임계치 臨界值
Cross-functional team CFT CFT
Customer 고객 顧客
Customer value added activity 고객 가치부가 顧客價值增值
Defect 결함 缺陷
Defect Per Million Opportunity DPMO 百萬機會缺陷數
Degree of freedom 자유도 自由度
dependent variable 종속변수 因變數
Design of Experiment 실험 계획법 試驗設計
DFM (Design For Manufacturability) 面向製造的設計
DFSS (Design For Six Sigma) DFSS 6Sigma設計
Discrete data 이산 데이터 離散型數據
DPU (Defect Per Unit) 단위당 결점수 單位缺陷數
EMEA (Error Mode and Effect Analysis)
Enabling process 지원 공정 支援過程
explanatory variable 설명변수 解釋變數
Factor 인자 因子
Factor level 인자 수준 因子水平
F-distribution F- 분포 F- 分布
Final yield(YF)
First pass yield (YFp)
flat 평편형 平頂型
FMEA (Failure Mode & Effect Analysis) 고장모드및 효과분석 潛在失效模式及影響分析
Force field analysis Force field 분석
Fractional factorial design 부분 배치 법 部分實施因子設計法
F-test F-검정 F-檢驗
Full factorial design 완전 배치법 全因子試驗法
Functional deployment mapping 기능 전개 매핑 功能展開圖
F-value F-값 F值
Gauge % R&R 게이지R&R
Green belt - GB 그린 벨트 綠帶
Hidden factory 숨은 공장 隱蔽的工廠
Histogram 히스토 그램 直方圖
Hypothesis testing 가설 검정 假設檢驗
independent variable 독립변수 自變數
Input indicator Input 척도 Input 尺度
Interaction 교호작용 交互作用
Interval estimate 구간추정 區間估計
Kano analysis 카노 분석 卡諾分析
key performance index KPI 關鍵性能指標
Lack of fit 적합결여 失擬
Level of confidence 신뢰수준 置信水平
Linearity 선형성 線性
Long term process sigma 47 장기 공정 시그마 長期過程Sigma值
Lower control limit 관리하한 控制下限
Main effect 주효과 主效應
Manufacturability
Master black belt - MBB 마스터 블랙 벨트 黑帶大師
Mean 평균 平均
Median 중앙값 中值
Mode 최빈값 眾數
Mean square of error MSE 均方誤
Mind mapping 심리 매핑 腦圖
Multiple regression 다중회귀법 多元回歸分析
Multi-stage sampling 다단계표본추출 多階段取樣法
Multi-vary analysis Multi-vary 분석
Multi-voting 다중 투표 多重投票
Nested design 嵌套設計
Non-normal distribution 비 정규 분포 非正態分布
Non-random pattern 이상 패턴 異常趨勢
Non-value added activity 비 가치부가 非增值活動
Normal distribution 정규분포 正態分布
Normality test 정규성 검정 正態性檢驗
Normalized yield (YNorm)
NP chart NP 차트 NP圖（不良數圖）
Null hypothesis: H0 귀무 가설 原假設
Operational definition 측정 운용 정의
Operational value added activity 운영 가치부가
Opportunity for Error 불량 기회 缺陷機會
Outlier 이상 점 異常點
Output indicator Output 척도 Output 尺度
Pareto analysis 파레토 분석 帕累托分析
Pilot
point estimate 점추정 點估計
Poisson distribution 포아송 분포 泊松分布
poka-yoke 포카요케 防差錯措施
Pooled standard deviation Pooled 표준 편차 Pooled 標准偏差
Population 모집단 總體
Precision 정밀도 精密度
Prediction equation 예측 방정식 預測方程式
probability density function,PDF 확율밀도함수 概率密度函數
probability sampling 확율표본추출 隨機樣本抽取法
Problem statement 문제 기술서 問題描述書
Process capability index 공정 능력 지수 過程能力指數
Process control system 공정 관리 시스템 過程式控制制系統
Process indicator Process 척도 Process 尺度
Process mapping 프로세스 매핑 過程映射
Process sigma 공정 시그마 過程 sigma
Proct sigma 제품 시그마 產品 sigma
P-value P-값 P-值
Qualitative process analysis 정성 공정 분석 定性過程分析
Quality function Deployment - QFD 품질 기능 전개 質量功能展開
Quick win
Random sampling 무작위 샘플링 隨機抽樣
Random word 무작위 단어 隨機詞
Randomized block design 랜덤블럭화설계 隨機區組設計
Regression analysis 회귀 분석 回歸分析
Repeatability 반복성 重復性
Replication 반복 重復
Replication & standardization 전파와 표준화 傳播和標准化
Reprocibility 재현성 再現性
Resial 잔차 殘差
Response surface analysis 반응 표면 법 響應曲面法
Response variable 반응변수 響應變數
Risk assessment matrix 위험 평가 매트릭스 風險評價矩陣
Rolled throughput yield - YRT 누적 직행 수율 流通合格率
RPN (Risk Priority Number) 風險系數
R-square 결정 계수 決定系數
Run chart 런 차트 運行圖
Scatter diagram 산점도 散點圖
Screening experiment Screening 실험 篩選實驗
Sensitivity analysis 민감도 분석 靈敏度分析
Short term process sigma 단기 공정 시그마 短期過程sigma
Show stopper 장애물 障礙物
Sigma calculation table 시그마 계산표 sigma計算表
Significance level 유의 수준 顯著性水平
Six thinking hat 여섯가지 사고를 위한 모자 六頂思考帽
Skewed 경사형 傾斜型
Solution mapping 문제 해결 매핑 問題解決圖
Special cause 가피 요인 特殊原因
Standard deviation 표준 편차 標准偏差
Standard normal distribution 표준 정규분포 標准正態分布
Statistical process control 통계적 공정 관리 統計過程式控制制
Stratification 층별화 分層
Stratified sampling 층별또는 층화표본추출 分層取樣
Stretch goal 스트레치 목표
Systematic sampling 계통표본추출 系統取樣法
t-distribution t-분포 t-分布
Team charter 팀 헌장 Team 任務書
Tips for innovation problem solving TRIZ 創造性問題解決理論
Top down chart Top down 차트 Top down 圖
Top down goal setting Top down 형 목표 설정
tolerance 공차 容差
total proctive maintenance TPM 全面生產維護
total quality control TQC 全面質量控制
total quality management TQM 全面質量管理
Transactional Six Sigma
t-Test t-검정 t-檢驗
t-value t-값 t-值
Type I error 제 1 종 과오 第一類錯誤
Type II error 제 2 종 과오 第二類錯誤
value analysis 가정에 대한 도전 對假設的挑戰
value analysis 가치 분석 價值分析
Variance 분산 方差
Variation 변동 變動
Voice Of Business - VOB 사업의 소리 企業聲音
Voice Of Customer - VOC 고객의 소리 顧客聲音
X-bar and R control chart X -R 차트 均值-極差控制圖
X-bar and S control chart X -S 차트 均值-標准差控制圖
z-value z-값 z-值

⑶ (六) 概率演算法

前面所討論演算法的每一計算步驟都是確定的，而本次所討論的概率演算法允許演算法在執行過程中隨機地選擇下一個計算步驟。在許多情況下，當演算法在執行過程中面臨一個選擇時，隨機性選擇常比最優選擇省時。因此概率演算法可在很大程度上降低演算法的復雜度。

概率演算法的一個基本特徵是對所求解問題的同一實例用同一概率演算法求解兩次可能得到完全不同的效果。這兩次求解所需的時間甚至所得到的結果可能會有相當大的差別。一般情況下， 可將概率演算法大致分為四類：數值概率演算法、蒙特卡羅(MonteCarlo) 演算法、拉斯羨孝陵維加斯(Las Vegas) 演算法和舍伍德(Sherwood) 演算法。

隨機數在隨機化演算法設計中扮演著十分重要的角色。在現實計算機上無法產生真正的隨機數，因此在隨機化演算法中使用的隨機數都是一定程度上隨機的，即偽隨機數。
線性同餘法 是產生偽隨機數的最常用的方法。由線性同餘法產生的隨機序列 滿足

其中 。d稱為該隨機序列的種子。如何選取該方法中的常數b、c和m直接關繫到所產生的隨機序列的隨機性能。這是隨機性理論研究的內容，已超出本書討論的范圍。從直觀上看，m應取得充分大，因此可取m為機器大數，另外應取 ，因此可取b為一素數。

為了在設計概率演算法時便於產生所需的隨機數，建立一個隨機數類RandomNumber：該類包含一個需由用戶初始化的種子randSeed。給定初始種子後，即可產生與之相應的隨機序列。種子randSeed是一個無符號長整型數， 可由用戶選定也可用系統時間自動產生。函數Random的輸入參數 是一個無符號長整型數，它返回 范圍內的一個隨機整數。函數fRandom返回[0，1) 內的一個隨機實數。

數值概率演算法常用於數值問題的求解。這類演算法所得到的往往是近似解。且近似解的精度隨計算時間的增加而不斷提高。在許多情況下，要計算出問題的精確解是不可能的或沒有必要的，因此用數值概率演算法可得到相當滿意的解。

當一個確定性演算法在最壞情況下的計算復雜性與其在平均情況下的計算復雜性有較大差別時

舍伍德演算法就是一種利用隨機演算法改造確定性演算法，消除或減少問題的好壞實例間的這種差別。舍伍德演算法精髓不是避免演算法的最壞情況行為，而是設法消除這種最壞情形行為與特定實例之間的關聯性。

思想：利用隨機演算法改造已有演算法，使得演算法的性能盡量與輸入數據無關，即平滑演算法的性能。它總能求得問兄戚題的一個解，且求得的解總是正確的。

演算法的性能 =平均性能 + 一個很小的隨機值。 舍伍德演算法是為了得到好的平均性能。

一個演算法，對於不同的輸入數據，其演算法的性能是不一樣的。比如快排演算法，每次選擇第一個元素作為基準，慎帶對序列從小到大排序：

拉斯維加斯演算法不會得到不正確的解。一旦用拉斯維加斯演算法找到一個解，這個解就一定是正確解。但有時用拉斯維加斯演算法會找不到解。

與蒙特卡羅演算法類似，拉斯維加斯演算法找到正確解的概率隨著它所用的計算時間的增加而提高。對於所求解問題的任一實例，用同一拉斯維加斯演算法反復對該實例求解足夠多次，可使求解失效的概率任意小。

蒙特卡羅演算法用於求問題的准確解。對於許多問題來說，近似解毫無意義。例如，一個判定問題其解為「是」或「否」，二者必居其一，不存在任何近似解答。又如，我們要求一個整數的因子時所給出的解答必須是准確的，一個整數的近似因子沒有任何意義。

用蒙特卡羅演算法能求得問題的一個解，但這個解未必是正確的。求得正確解的概率依賴於演算法所用的時間。演算法所用的時間越多，得到正確解的概率就越高。蒙特卡羅演算法的主要缺點也在於此。一般情況下，無法有效地判定所得到的解是否肯定正確。

在實際應用中常會遇到一些問題，不論採用確定性演算法或隨機化演算法都無法保證每次都能得到正確的解答。蒙特卡羅演算法則在一般情況下可以保證對問題的所有實例都以高概率給出正確解，但是通常無法判定一個具體解是否正確。

有些蒙特卡羅演算法除了具有描述問題實例的輸入參數外，還具有描述錯誤解可接受概率的參數。這類演算法的計算時間復雜性通常由問題的實例規模以及錯誤解可接受概率的函數來描述。

參考鏈接： http://www.ruanyifeng.com/blog/2015/07/monte-carlo-method.html

數值概率演算法的應用

舍伍德演算法的應用

拉斯維加斯演算法的應用

蒙特卡羅演算法的應用

⑷ 演算法英文

演算法英文如下：

• arithmetic

• algorithm

• algorithmic

• 短語

  演算法逼近algorithm approach

  演算法表示法algorithmic notation

  演算法程序algorithm routine

• 演算法調度algorithmic dispatching; algorithmic scheling

  演算法翻譯algorithm translation

  演算法分析algorithm analysis

• 

• 演算法復雜性algorithm complexity

  演算法級algorithm level

  演算法類class of algorithms

• 演算法（理）論theory of algorithms; algorithm theory

  演算法描述arithmetic statement

  演算法收斂algorithm convergence

• 演算法圖algorithm pattern

  演算法語句algorithmic statement

  演算法語言algorithmic language (ALGOL)

⑸ 概率論英文

PR就是概率的意思，是概率英文的縮寫（probability)。

比如Pr：表示離散型隨機變數v取x時的概率

聯合概率Pr：表示X取x，且Y取y時的概率（X和Y是定義在有限集合A和B上的隨機變數）

條件概率Pr：表示Y取y時，X取x時的概率（X和Y是定義在有限集合A和B上的隨機變老絕量）

概率歷史

第一個系統地旦拍推算概率的人是16世紀的卡爾達諾。記載在他的著作《Liber de Ludo Aleae》中。書中關於概率的內容是由Gould從拉丁文翻譯出來的。

卡爾達諾的數學著作中有很多給賭徒的建議。這些建模含羨議都寫成短文。然而，首次提出系統研究概率的是在帕斯卡和費馬來往的一系列信件中。

這些通信最初是由帕斯卡提出的，他想找費馬請教幾個關於由Chevvalier de Mere提出的問題。Chevvalier de Mere是一知名作家，路易十四宮廷的顯要，也是一名狂熱的賭徒。問題主要是兩個：擲骰子問題和比賽獎金分配問題。

⑹ 演算法 英文怎麼讀

演算法
[詞典] algorithm; arithmetic;
[例句]在開發軟體原型中，提出了一種進行不規則區域求交的新演算法。
During the development of the antitype, proposed a new calculation to seek anomalous area overlapping.

⑺ 概率中的C是什麼怎麼計算

C表示組合數。

組合，數學的重要概念之一。從n個不同元素中每次取出m個不同元素（0≤m≤n），不管其順序合成一組，稱為從n個元素中不重復地選取m個元素的一個組合。所有這樣的組合的總數稱為組合數，這個組合數的計算公式為

(7)概率演算法的英文擴展閱讀

在重復組合中，從n個不同元素中可重復地選取m個元素。不管其順序合成一組，稱為從n個元素中取m個元素的可重復組合。當且僅當所取的元素相同，且同一元素所取的次數相同，則兩個重復組合相同。

排列組合計算方法如下：

排列A(n,m)=n×（n-1）.（n-m+1）=n!/（n-m）!(n為下標,m為上標,以下同)

組合C(n,m)=P(n,m)/P(m,m) =n!/m!（n-m）!；

例如：

A(4,2)=4!/2!=4*3=12

C(4,2)=4!/(2!*2!)=4*3/(2*1)=6